Ir al contenido principal
Español— Elegir un idioma
Menú

La API de generación de imágenes en 2026

Lección 1 de 12 Actualizado el 2 de noviembre de 2026 Desarrollador
En esta página
  1. La API de generación de imágenes en 2026
  2. Qué cambia con GPT Image
  3. Los dos endpoints principales
  4. Instalación y configuración
  5. Modelo y precios
  6. Qué aprenderás

Actualizado el 2 de noviembre de 2026 — Modelos de imagen. gpt-image-1, el modelo para el que se escribió originalmente este curso, fue discontinuado el 23 de octubre de 2026. Además, gpt-image-1.5, gpt-image-1-mini y chatgpt-image-latest se retirarán el 1 de diciembre de 2026. Los ejemplos ahora utilizan gpt-image-2.5-sunburst, que ofrece la mayor precisión para la edición; gpt-image-2.5-flare es más rápido para la generación estándar. Ambos modelos también admiten los ajustes de calidad xhigh y max. Los modelos GPT Image devuelven siempre las imágenes en base64: el parámetro response_format de los modelos DALL·E anteriores no es compatible y se ha eliminado del código. Fuente: Generación de imágenes (OpenAI).

La API de generación de imágenes en 2026

La generación de imágenes con IA ha evolucionado considerablemente. En 2026, GPT Image es el modelo de referencia de OpenAI para crear y editar imágenes mediante la API; sustituye a los ahora obsoletos modelos DALL·E 2 y DALL·E 3. Si tienes código existente para estas generaciones anteriores, trátalo como punto de partida para una reescritura, no como una base que debas mantener: los parámetros, los formatos de retorno y, especialmente, las estrategias de ingeniería de prompts han cambiado por completo.

Esta lección presenta el ecosistema actual, las capacidades de GPT Image y cómo interactuarás con la API a lo largo de este curso.

Qué cambia con GPT Image

El primer cambio importante afecta al texto. Las generaciones anteriores producían letras aproximadas, decorativas pero ilegibles; GPT Image renderiza tipografía fiel, haciendo por fin viables pósteres, banners promocionales y maquetas de interfaz donde el mensaje importa tanto como la imagen. El segundo cambio concerne a la comprensión contextual: el modelo interpreta instrucciones complejas con matices, de modo que un prompt de varias frases que describe una escena, su iluminación y su encuadre produce un resultado coherente en lugar de un collage de palabras clave.

A continuación llega la edición nativa. Ya no partes sistemáticamente de una página en blanco: el modelo puede modificar una imagen existente sustituyendo un área interior (inpainting) o extendiendo la imagen más allá de sus bordes (outpainting). En la práctica, cambiar el cielo en una fotografía de paisaje ya no requiere regenerarlo todo y perder al sujeto en el proceso. A esto se suma la consistencia estilística mantenida a través de generaciones sucesivas —valiosa al producir una serie de ilustraciones para el mismo artículo— y múltiples opciones de resolución, desde formatos cuadrados hasta verticales y horizontales.

Los dos endpoints principales

La API expone dos métodos, que explorarás en profundidad en lecciones posteriores. El primero crea una imagen a partir de una descripción textual.

import base64
from openai import OpenAI

client = OpenAI()

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Un faro bretón al atardecer, estilo acuarela",
    n=1,
    size="1024x1024"
)

with open("lighthouse.png", "wb") as f:
    f.write(base64.b64decode(response.data[0].b64_json))

El segundo toma una imagen que tú proporcionas y regenera solo la parte designada por una máscara.

response = client.images.edit(
    model="gpt-image-2.5-sunburst",
    image=open("original_photo.png", "rb"),
    mask=open("mask.png", "rb"),
    prompt="Sustituye el cielo por un cielo estrellado"
)

Instalación y configuración

Instala primero el SDK oficial.

pip install openai

A continuación, coloca tu clave de API en un archivo .env, nunca hardcodeada en tu script: un script compartido o uno subido a un repositorio expondría tu clave.

OPENAI_API_KEY=sk-your-api-key

El cliente la recupera entonces automáticamente al iniciarse, sin que necesites pasarla como argumento.

import os
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()
client = OpenAI()  # usa automáticamente OPENAI_API_KEY

Modelo y precios

Los modelos actuales son gpt-image-2.5-sunburst, el más preciso para edición, y gpt-image-2.5-flare, más rápido para generación estándar; gpt-image-1, el modelo para el que se escribió originalmente este curso, fue discontinuado el 23 de octubre de 2026. Estas son las características que manejarás constantemente.

ParámetroValor
Modelogpt-image-2.5-sunburst o gpt-image-2.5-flare
Resoluciones1024×1024, 1024×1536, 1536×1024 recomendadas; dimensiones personalizadas posibles (múltiplos de 16, hasta 3840 píxeles por lado)
Calidadeslow, medium, high, xhigh, max, auto (predeterminado)
Formatos de salidaImagen codificada en base64, PNG (predeterminado), JPEG o WebP
PreciosPor token, varía según calidad y tamaño

Ten presente un punto que sorprende a los veteranos de DALL·E: los modelos GPT Image nunca devuelven una URL, siempre una imagen codificada en base64. Decodifícala y guarda el archivo inmediatamente después de la generación; tu aplicación almacena y sirve este archivo, no la respuesta de la API.

Qué aprenderás

El curso progresa en cuatro etapas. Comienzas con los fundamentos de GPT Image a través de la API —generación y edición— antes de pasar a casos de uso concretos en comercio electrónico, marketing y diseño. Las técnicas avanzadas te enseñarán luego a construir prompts visuales complejos e integrar la generación en pipelines de múltiples herramientas. La parte final cubre el despliegue en producción, incluyendo la optimización de costes y la moderación de contenido. Cada lección contiene código Python funcional que puedes ejecutar directamente.

Antes de avanzar, verifica que tu entorno está listo. Ejecuta este script mínimo: si aparece un archivo de imagen, tu clave es válida, el SDK está instalado correctamente y puedes pasar a la siguiente lección.

import base64
from openai import OpenAI

client = OpenAI()

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Un gato jengibre sentado sobre una pila de libros, foto realista",
    n=1,
    size="1024x1024",
    quality="medium"
)

with open("cat.png", "wb") as f:
    f.write(base64.b64decode(response.data[0].b64_json))

print("Imagen generada: cat.png")